Vis2State：通过可执行状态抽象实现视觉推理

Vis2State 是一个免训练的智能体框架，将视觉谜题抽象为显式、可修订的问题状态，由视觉检查指导状态构建与修正，再由生成的程序求解。模型无需预定义谜题模式或求解流程即可同时构建状态与程序，并借助检查与执行反馈独立修订问题表示和求解过程。该框架在四个基准上取得 SOTA，跨模型评估显示一致增益。